ShelfWatch - программное обеспечение для розничной торговли на основе интеллектуального распознавания изображений

Обновлено 10 ноября 2021 г.

Настоящее расположение полок KPI Оценка с использованием стандартного программного обеспечения для розничной торговли часто отнимает много времени, и ею трудно управлять в период пиковой нагрузки. Требуется тщательный ручной ввод, чтобы гарантировать соответствие продуктов на полке планограмме. Более того, отсутствие прозрачности и актуальных данных не позволяет брендам потребительских товаров активно решать проблемы. В решающий период продаж недостаток данных может привести к принятию неоптимальных решений.

В соответствии с Исследование«81% компаний сообщили, что они недовольны своей способностью работать в розничной торговле. Еще 86% заявили, что они не удовлетворены своими усилиями по продвижению торговли».

Доступно Полка, со всеми этими избыточностями можно справиться довольно легко. ShelfWatch — мощный и простой в использовании инструмент, способный работать в широком спектре каналов розничной торговли. В этом блоге мы познакомим вас со всеми аспектами ShelfWatch, которые выделяют его среди существующих программных решений для распознавания изображений в розничной торговле.

1. Обратная связь о качестве изображения в режиме реального времени и в автономном режиме.

Качество изображения является важным критерием, обеспечивающим высокую точность распознавания изображений. признание уровня SKU или соответствие отображения цены возможно только тогда, когда изображение не размыто и не содержит бликов. Мобильное приложение ShelfWatch имеет алгоритм качества изображения в режиме реального времени, который может обнаружить изображения низкого качества и дать указание торговому представителю сделать фотографии повторно. Это обнаружение работает на устройстве и, следовательно, доступно в автономном режиме.

Торговые представители могут легко делать высококачественные изображения даже в зоне отсутствия Интернета, и изображения автоматически загружаются всякий раз, когда доступно подключение к Интернету. По нашему опыту работы с потребительскими товарами и розничными брендами мы обнаружили, что до использования ShelfWatch 15–20% изображений, собранных в полевых условиях, были слишком низкого качества для анализа ИИ, а во многих случаях и людьми. Это часто приводит к ненужным задержкам и неполному анализу. Существующее программное обеспечение для управления розничной торговлей возлагает вину на торговых представителей в случае размытых или ярких фотографий, а также возлагает ответственность на CPG и розничные бренды за обучение своих занятых представителей.

Идеальное программное обеспечение для розничной торговли, использующее распознавание изображений, должно быть надежным и умным, чтобы гарантировать сбор высококачественных фотографий без какого-либо дополнительного обучения представителей.

2. Распознавание изображений на устройстве (ODIN).

Одним из самых больших ограничений аудиторских решений с поддержкой искусственного интеллекта является мгновенное предоставление точных результатов. Для обеспечения высокой точности требуется высокая вычислительная мощность. Однако портативные устройства, используемые торговыми представителями, имеют ограниченные вычислительные ресурсы, и необходимо соблюдать осторожность, чтобы избежать чрезмерного расхода заряда батареи устройства торговых представителей, иначе ему придется заряжать свое устройство после каждых 2 или 3 посещений. Это где Решение ODIN от ParallelDots побеждает. Нашей команде по обработке данных удалось оптимизировать наш алгоритм таким образом, что ShelfWatch дает вам лучшее из обоих миров — точность и скорость.

Распознавание изображений на устройстве (ODIN) — самое передовое предложение из линейки ParallelDots. Это позволяет мгновенно создавать отчеты по фотографиям на полках, сделанным представителями на местах, обрабатывая их на своем портативном устройстве. ODIN быстр и работает полностью в автономном режиме. Мы запустили пилотные проекты с несколькими клиентами для недавно анонсированной функции распознавания на устройстве. Результаты обнадеживают и превзошли ожидания клиентов. Функция ODIN — это уникальное предложение и свидетельство нашей превосходной платформы распознавания изображений для розничной торговли. Мы рекомендуем клиентам использовать функцию ODIN для доменов, в которых задействовано небольшое количество SKU и которые претерпевают нечастые изменения.

3. Дедупликация

Очень часто случается, что при сборе данных торговые представители делают несколько снимков одной и той же полки с разных ракурсов. Это серьезная проблема, поскольку она может привести к двойному учету показателей полки (например, доля полки), что, в свою очередь, влияет на понимание. ShelfWatch очень эффективно справляется с этой проблемой. Его алгоритм дедупликации улучшает качество данных за счет обнаружения дубликатов изображений и предотвращения двойного учета показателей.

Мы также использовали этот алгоритм для выявления случаев мошенничества при регулярных проверках розничной торговли табачной компании. Выездные аудиторы часто представляли старое изображение, чтобы указать, что они завершили аудит. Используя алгоритм дедупликации, мы смогли выявить такие случаи и снизить вероятность мошенничества при выездных проверках. За три месяца после интеграции ShelfWatch качество данных улучшилось на 90 %, что привело к получению достоверной информации.

4. Интеграция с другим программным обеспечением для розничной торговли – приложениями SFA и DMS.

Хотя ShelfWatch предоставляет собственное приложение для сбора данных в полевых условиях, мы понимаем, что торговые представители уже используют портативные устройства, предоставленные поставщиками средств автоматизации Salesforce, и им будет затруднительно переключаться между несколькими приложениями в полевых условиях.

У нас есть встроенный ShelfWatch с несколькими поставщиками SFA, и все функции ShelfWatch, такие как проверка качества изображения в реальном времени и анализ полки в реальном времени, также работают в интегрированном решении.

5. Быстрая настройка и быстрое обучение ИИ.

Под капотом большая часть механизма распознавания изображений использует нейронную сеть для обнаружения SKU и POS-материалов в розничных магазинах. Однако нейронные сети, особенно глубокие нейронные сети, печально известны тем, что для их обучения и достижения точности 90% и выше требуется большой объем данных.

Кроме того, данные обучения необходимо аннотировать вручную, прежде чем их можно будет передать в нейронную сеть. Пример аннотированного изображения показан ниже.

Однако у крупного производителя будет 200–300 SKU в нескольких категориях собственных брендов и еще 100–200 SKU, которые он, возможно, захочет отслеживать у своих конкурентов. Создание аннотированного вручную набора данных, охватывающего 300–500 SKU, — утомительная и очень дорогая задача.

Большинству поставщиков систем распознавания изображений требуется 90–120 дней на установку, в течение которых они собирают и вручную аннотируют данные. Как вы можете себе представить, это дорогостоящий и трудоемкий процесс, который плохо масштабируется для запуск новых продуктов или во время пиковых рекламных акций.

Настройка Shelfwatch — это простой процесс, состоящий из двух этапов. Во-первых, вам нужно поделиться только одно изображение SKU, которые вы хотите отслеживать. А во-вторых, попросите своих представителей сфотографировать полки торговой точки с помощью нашего мобильного приложения. Алгоритм ShelfWatch обучен таким образом, что он автоматически анализирует изображения, чтобы дать конкурентный анализ, такой как доля полки и соответствие планограммы.

6. Экономически эффективным

ShelfWatch создан с использованием современные технологии получить оптимальные результаты без необходимости тратить много денег. Благодаря нашей передовой технологии мы поддерживаем низкие эксплуатационные расходы, поскольку для настройки ShelfWatch требуется меньше ресурсов. Наш алгоритм контролирует качество данных на уровне сбора, чтобы обеспечить стандартный объективный анализ.

7. Оповещения WhatsApp –

Реальная ценность ShelfWatch достигается тогда, когда все случаи реализации розничной торговли ниже номинала мгновенно доводятся до сведения нужных заинтересованных сторон. Мы отправляем автоматические оповещения через WhatsApp/электронную почту руководителям полевых групп для быстрого вмешательства. Это новое предложение делает аналитические данные ShelfWatch более действенными, что приводит к надежный механизм обратной связи между розничным продавцом, местным представителем и штаб-квартирой CPG.

Сертификация ISO 27001: 2013 -

С огромным удовольствием сообщаем, что теперь мы ISO 27001: 2013 сертифицирована. Для получения сертификата соответствие безопасности ParallelDots было подтверждено независимой аудиторской фирмой после демонстрации постоянного и систематического подхода к управлению и защите данных компании и клиентов. Этот сертификат является свидетельством нашей приверженности обеспечению конфиденциальности и безопасности данных.

Нашли этот блог полезным? Прочитайте это Блог чтобы узнать больше о том, как продукты ParallelDots предоставляют эффективные решения традиционным методам розничной торговли для улучшения присутствия и видимости бренда.

Хотите увидеть, как ваш собственный бренд работает на полках? щелчок здесь запланировать бесплатную демонстрацию.